| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.1.1 课题研究的背景 | 第10-11页 |
| 1.1.2 课题研究的意义 | 第11-12页 |
| 1.2 风电功率预测研究现状 | 第12-15页 |
| 1.2.1 国外风电功率预测研究的现状 | 第12-14页 |
| 1.2.2 国内风电功率预测研究的现状 | 第14-15页 |
| 1.3 极端学习机算法研究现状 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第2章 经验模态分解法的基本理论 | 第18-28页 |
| 2.1 经验模态分解的基本概念 | 第18-20页 |
| 2.1.1 瞬时频率 | 第18-19页 |
| 2.1.2 本征模态函数 | 第19页 |
| 2.1.3 特征时间尺度 | 第19-20页 |
| 2.2 经验模态分解的基本原理 | 第20-22页 |
| 2.2.1 EMD的原理 | 第20-21页 |
| 2.2.2 EMD的具体步骤 | 第21-22页 |
| 2.3 经验模态分解的特点 | 第22-24页 |
| 2.3.1 自适应性 | 第22-23页 |
| 2.3.2 EMD方法的完备性与正交性 | 第23-24页 |
| 2.4 EMD方法的实例分析 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 极端学习机 | 第28-33页 |
| 3.1 极端学习机算法原理 | 第28-30页 |
| 3.1.1 单隐层前馈神经网络 | 第28-29页 |
| 3.1.2 极端学习机算法 | 第29-30页 |
| 3.2 核极端学习机算法原理 | 第30-31页 |
| 3.3 多核极端学习机算法原理 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于EMD和极端学习机的风电功率预测 | 第33-51页 |
| 4.1 基于EMD和极端学习机的风电功率预测模型 | 第33-34页 |
| 4.2 样本数据的预处理 | 第34-35页 |
| 4.2.1 数据异常值的检验和替换 | 第34页 |
| 4.2.2 数据的归一化处理 | 第34-35页 |
| 4.3 风电场输出功率的EMD分解 | 第35-36页 |
| 4.4 预测模型的性能评估 | 第36-37页 |
| 4.5 仿真结果 | 第37-47页 |
| 4.5.1 基于EMD-ELM方法的风电功率预测 | 第37-40页 |
| 4.5.2 基于EMD-KELM方法的风电功率预测 | 第40-43页 |
| 4.5.3 基于EMD-MKELM方法的风电功率预测 | 第43-47页 |
| 4.6 算法比较 | 第47-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文情况及其他成果 | 第56-57页 |
| 致谢 | 第57页 |